SKILLEMALL.ai

BD ai-agent-builder-zh

Разработка AI-агентов / Построение AI-агентов / Рабочие процессы агентов / Конструктор агентов. Освойте ключевые возможности, такие как вызов инструментов, управление памятью, многошаговое рассуждение, для быстрой сборки чат-ботов поддержки, агентов анализа данных, помощников по созданию контента. Подходит для инженеров, менеджеров по продуктам, руководителей отделов эксплуатации для применения в корпоративной автоматизации офиса, поддерживает интеграцию больших моделей, таких как ChatGPT, Claude, Wenxin Yiyan. Заменяет повторяющийся труд RPA, повышает эффективность разработки команды на 30%+. Распространенные поисковые запросы: как построить AI Agent, руководство по разработке агентов, автоматизация рабочих процессов, внедрение больших моделей, создание чат-ботов поддержки, корпоративные AI-решения.

машинный переводПоказать оригиналСкрыть оригинал«AI智能体开发 / AI Agent构建 / 智能体工作流 / agent builder。掌握工具调用、记忆管理、多步推理等核心能力,快速…»

AI智能体开发 / AI Agent构建 / 智能体工作流 / agent builder。掌握工具调用、记忆管理、多步推理等核心能力,快速搭建客服机器人、数据分析代理、内容生成助手。适合工程师、产品经理、运营主管在企业自动化办公中应用,支持ChatGPT、Claude、文心一言等大模型集成。替代RPA重复劳动,提升团队研发效率30%+。常见搜索:怎样构建AI Agent、智能体开发教程、工作流自动化、大模型应用落地、客服机器人搭建、企业AI解决方案。

ClawHub Agent Skills автор: Olina1Ye v1.0.1 MIT-0 2 файла тело ≈ 526 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Разработка AI-агентов / Построение AI-агентов / Рабочие процессы агентов / Конструктор агентов.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 46/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 526 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 228 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 4 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is an instruction-only Chinese guide for building AI agents, with expected examples involving APIs, tool calling, and memory, but no executable or hidden behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.